1. Cargar librerías fdth
library(fdth)
##
## Attaching package: 'fdth'
## The following objects are masked from 'package:stats':
##
## sd, var
2. Crear conjunto de datos llamado personas
set.seed(1234)
losnombres <- c("JUAN", 'FRANCISCO', 'OSCAR', 'LUIS', 'GUILLERMO',
"PATRICIA", 'ALICIA', 'EDGAR', 'LEONARDO', 'GABRIELA', 'LETICIA', 'NORMA', 'ANDREA', 'HORACIO', 'SANDRA', 'RUBEN', 'JAVIER', 'MARICELA', 'ROSARIO', 'GUILLERMINA')
nombres <- sample(losnombres, 100, replace = TRUE)
# nombres
generos <- sample(c('Femenino', 'Masculino'), 100, replace = TRUE)
edades <- sample(15:60, 100, replace = TRUE)
misdeportes <- c("FUTBOL", 'TENIS', 'AJEDREZ', 'BASQUETBOL', 'ATLETISMO',
'NATACION', 'KARATE', 'BEISBOL', 'FUTBOL AMERICANO', 'RUGBY')
deportes <- sample(misdeportes, 100, replace = TRUE)
personal <- data.frame(nombres, generos, edades, deportes)
personal
## nombres generos edades deportes
## 1 RUBEN Masculino 51 FUTBOL AMERICANO
## 2 GUILLERMO Masculino 26 KARATE
## 3 NORMA Femenino 56 AJEDREZ
## 4 SANDRA Femenino 34 RUGBY
## 5 LEONARDO Femenino 47 RUGBY
## 6 GUILLERMO Femenino 20 FUTBOL
## 7 PATRICIA Masculino 17 NATACION
## 8 RUBEN Masculino 50 ATLETISMO
## 9 LUIS Femenino 50 NATACION
## 10 FRANCISCO Masculino 25 AJEDREZ
## 11 ALICIA Femenino 49 AJEDREZ
## 12 PATRICIA Femenino 47 FUTBOL
## 13 SANDRA Femenino 43 FUTBOL
## 14 HORACIO Femenino 15 TENIS
## 15 GUILLERMINA Femenino 44 ATLETISMO
## 16 HORACIO Masculino 42 BASQUETBOL
## 17 LUIS Masculino 58 FUTBOL
## 18 LUIS Femenino 33 RUGBY
## 19 EDGAR Masculino 24 KARATE
## 20 GUILLERMINA Femenino 35 NATACION
## 21 OSCAR Masculino 27 RUGBY
## 22 LUIS Masculino 26 FUTBOL
## 23 GUILLERMO Masculino 43 NATACION
## 24 FRANCISCO Femenino 45 NATACION
## 25 SANDRA Masculino 47 NATACION
## 26 EDGAR Masculino 59 KARATE
## 27 GUILLERMINA Femenino 24 ATLETISMO
## 28 RUBEN Masculino 36 ATLETISMO
## 29 NORMA Femenino 27 ATLETISMO
## 30 OSCAR Femenino 41 NATACION
## 31 LEONARDO Femenino 54 NATACION
## 32 ROSARIO Masculino 32 BASQUETBOL
## 33 LUIS Femenino 37 BEISBOL
## 34 EDGAR Masculino 45 AJEDREZ
## 35 GABRIELA Femenino 16 TENIS
## 36 LETICIA Femenino 38 KARATE
## 37 FRANCISCO Femenino 52 BEISBOL
## 38 SANDRA Masculino 39 BASQUETBOL
## 39 JAVIER Masculino 28 FUTBOL AMERICANO
## 40 PATRICIA Masculino 52 AJEDREZ
## 41 ROSARIO Femenino 51 FUTBOL
## 42 PATRICIA Masculino 25 BASQUETBOL
## 43 JAVIER Femenino 46 BEISBOL
## 44 JAVIER Masculino 60 RUGBY
## 45 EDGAR Femenino 42 BEISBOL
## 46 JAVIER Femenino 55 RUGBY
## 47 EDGAR Femenino 47 AJEDREZ
## 48 GABRIELA Masculino 47 ATLETISMO
## 49 SANDRA Femenino 46 BASQUETBOL
## 50 OSCAR Femenino 29 NATACION
## 51 LEONARDO Femenino 52 FUTBOL
## 52 RUBEN Masculino 35 TENIS
## 53 OSCAR Masculino 24 NATACION
## 54 GABRIELA Masculino 48 BEISBOL
## 55 ANDREA Femenino 57 BASQUETBOL
## 56 OSCAR Femenino 39 AJEDREZ
## 57 ROSARIO Femenino 58 NATACION
## 58 MARICELA Femenino 57 RUGBY
## 59 PATRICIA Masculino 51 RUGBY
## 60 GUILLERMINA Femenino 16 TENIS
## 61 LEONARDO Masculino 52 RUGBY
## 62 ALICIA Masculino 16 AJEDREZ
## 63 ROSARIO Femenino 19 BASQUETBOL
## 64 PATRICIA Femenino 37 ATLETISMO
## 65 GUILLERMO Femenino 59 NATACION
## 66 NORMA Femenino 51 TENIS
## 67 EDGAR Masculino 23 BEISBOL
## 68 RUBEN Femenino 41 TENIS
## 69 JUAN Masculino 52 ATLETISMO
## 70 LUIS Masculino 29 NATACION
## 71 ROSARIO Masculino 36 BEISBOL
## 72 LEONARDO Femenino 34 FUTBOL AMERICANO
## 73 GUILLERMINA Masculino 55 AJEDREZ
## 74 JAVIER Femenino 48 BEISBOL
## 75 PATRICIA Femenino 25 KARATE
## 76 PATRICIA Masculino 38 BEISBOL
## 77 ANDREA Femenino 26 AJEDREZ
## 78 JAVIER Masculino 19 FUTBOL
## 79 FRANCISCO Femenino 45 AJEDREZ
## 80 PATRICIA Masculino 53 BASQUETBOL
## 81 FRANCISCO Masculino 52 BASQUETBOL
## 82 RUBEN Femenino 51 KARATE
## 83 LETICIA Femenino 29 BASQUETBOL
## 84 LUIS Femenino 45 FUTBOL
## 85 OSCAR Femenino 50 ATLETISMO
## 86 LUIS Femenino 37 BASQUETBOL
## 87 GABRIELA Femenino 27 TENIS
## 88 PATRICIA Masculino 42 KARATE
## 89 PATRICIA Masculino 16 TENIS
## 90 LEONARDO Femenino 56 ATLETISMO
## 91 LETICIA Femenino 50 NATACION
## 92 ROSARIO Masculino 34 AJEDREZ
## 93 HORACIO Masculino 56 RUGBY
## 94 EDGAR Femenino 16 FUTBOL AMERICANO
## 95 JAVIER Masculino 31 KARATE
## 96 ANDREA Femenino 18 BEISBOL
## 97 RUBEN Masculino 36 ATLETISMO
## 98 FRANCISCO Masculino 24 RUGBY
## 99 PATRICIA Masculino 38 FUTBOL AMERICANO
## 100 LETICIA Masculino 33 FUTBOL AMERICANO
3. Crear tabla de frecuencias con table() de la variable nombres
tabla_frec.nombres <- data.frame(transform(table(personal$nombres)))
names(tabla_frec.nombres) <- c('nombres', 'freq')
tabla_frec.nombres
## nombres freq
## 1 ALICIA 2
## 2 ANDREA 3
## 3 EDGAR 7
## 4 FRANCISCO 6
## 5 GABRIELA 4
## 6 GUILLERMINA 5
## 7 GUILLERMO 4
## 8 HORACIO 3
## 9 JAVIER 7
## 10 JUAN 1
## 11 LEONARDO 6
## 12 LETICIA 4
## 13 LUIS 8
## 14 MARICELA 1
## 15 NORMA 3
## 16 OSCAR 6
## 17 PATRICIA 12
## 18 ROSARIO 6
## 19 RUBEN 7
## 20 SANDRA 5
N <- nrow(personal)
N
## [1] 100
freq.r <- tabla_frec.nombres$freq / N
freq.r
## [1] 0.02 0.03 0.07 0.06 0.04 0.05 0.04 0.03 0.07 0.01 0.06 0.04 0.08 0.01 0.03
## [16] 0.06 0.12 0.06 0.07 0.05
freq.p <- freq.r * 100
freq.p
## [1] 2 3 7 6 4 5 4 3 7 1 6 4 8 1 3 6 12 6 7 5
tabla_frec.nombres <- cbind(tabla_frec.nombres, freq.r, freq.p)
tabla_frec.nombres
## nombres freq freq.r freq.p
## 1 ALICIA 2 0.02 2
## 2 ANDREA 3 0.03 3
## 3 EDGAR 7 0.07 7
## 4 FRANCISCO 6 0.06 6
## 5 GABRIELA 4 0.04 4
## 6 GUILLERMINA 5 0.05 5
## 7 GUILLERMO 4 0.04 4
## 8 HORACIO 3 0.03 3
## 9 JAVIER 7 0.07 7
## 10 JUAN 1 0.01 1
## 11 LEONARDO 6 0.06 6
## 12 LETICIA 4 0.04 4
## 13 LUIS 8 0.08 8
## 14 MARICELA 1 0.01 1
## 15 NORMA 3 0.03 3
## 16 OSCAR 6 0.06 6
## 17 PATRICIA 12 0.12 12
## 18 ROSARIO 6 0.06 6
## 19 RUBEN 7 0.07 7
## 20 SANDRA 5 0.05 5
4. Crear tabla de frecuencias con fdt_cat() de la variable nombres
tabla_frec.nombres.2 <- data.frame(fdt_cat(personal$nombres))
names(tabla_frec.nombres.2) <- c('nombres', 'freq', 'freq.r', 'freq.p', 'freq.acum', 'frec.por.acum')
tabla_frec.nombres.2
## nombres freq freq.r freq.p freq.acum frec.por.acum
## 1 PATRICIA 12 0.12 12 12 12
## 2 LUIS 8 0.08 8 20 20
## 3 EDGAR 7 0.07 7 27 27
## 4 JAVIER 7 0.07 7 34 34
## 5 RUBEN 7 0.07 7 41 41
## 6 FRANCISCO 6 0.06 6 47 47
## 7 LEONARDO 6 0.06 6 53 53
## 8 OSCAR 6 0.06 6 59 59
## 9 ROSARIO 6 0.06 6 65 65
## 10 GUILLERMINA 5 0.05 5 70 70
## 11 SANDRA 5 0.05 5 75 75
## 12 GABRIELA 4 0.04 4 79 79
## 13 GUILLERMO 4 0.04 4 83 83
## 14 LETICIA 4 0.04 4 87 87
## 15 ANDREA 3 0.03 3 90 90
## 16 HORACIO 3 0.03 3 93 93
## 17 NORMA 3 0.03 3 96 96
## 18 ALICIA 2 0.02 2 98 98
## 19 JUAN 1 0.01 1 99 99
## 20 MARICELA 1 0.01 1 100 100
5. Visualizar tabla de frecuencias de nombres (Barra)
barplot(height = tabla_frec.nombres.2$freq, names.arg = tabla_frec.nombres.2$nombres)
6. Visualizar un histograma de la variable edades
hist(personal$edades, main = "Frecuencia de edades", xlab = "Edades", ylab = "Frecuencias")
7. Crear tabla de frecuencias con table() de la variable edades
tabla.frec.edades <- data.frame(transform(table(personal$edades)))
names(tabla.frec.edades) <- c("edades", "freq")
tabla.frec.edades
## edades freq
## 1 15 1
## 2 16 5
## 3 17 1
## 4 18 1
## 5 19 2
## 6 20 1
## 7 23 1
## 8 24 4
## 9 25 3
## 10 26 3
## 11 27 3
## 12 28 1
## 13 29 3
## 14 31 1
## 15 32 1
## 16 33 2
## 17 34 3
## 18 35 2
## 19 36 3
## 20 37 3
## 21 38 3
## 22 39 2
## 23 41 2
## 24 42 3
## 25 43 2
## 26 44 1
## 27 45 4
## 28 46 2
## 29 47 5
## 30 48 2
## 31 49 1
## 32 50 4
## 33 51 5
## 34 52 6
## 35 53 1
## 36 54 1
## 37 55 2
## 38 56 3
## 39 57 2
## 40 58 2
## 41 59 2
## 42 60 1
barplot(height = tabla.frec.edades$freq,
names.arg = tabla.frec.edades$edades,
main = "Frecuencias de Edades",
xlab = "Edades", ylab = "Frecuencias")
8. Crear tabla de frecuencias con fdt() de la variable edades
tabla.frec.edades_2 <- fdt(personal$edades)
tabla.frec.edades_2 <- data.frame(tabla.frec.edades_2$table)
names(tabla.frec.edades_2) <- c('clases', 'freq', 'freq.r', 'freq.p', 'freq.acum', 'frec.por.acum')
tabla.frec.edades_2
## clases freq freq.r freq.p freq.acum frec.por.acum
## 1 [14.85,20.57) 11 0.11 11 11 11
## 2 [20.57,26.29) 11 0.11 11 22 22
## 3 [26.29,32.01) 9 0.09 9 31 31
## 4 [32.01,37.73) 13 0.13 13 44 44
## 5 [37.73,43.44) 12 0.12 12 56 56
## 6 [43.44,49.16) 15 0.15 15 71 71
## 7 [49.16,54.88) 17 0.17 17 88 88
## 8 [54.88,60.6) 12 0.12 12 100 100
9. Visualizar tabla de frecuencias de edades (Barra)
barplot(height = tabla.frec.edades_2$freq,
names.arg = tabla.frec.edades_2$clases,
main = "Frecuencias de Clases",
xlab = "Clases de edades", ylab = "Frecuencias")
10. Crear tabla de frecuencias con fdt_cat() de la variable genero
tabla_frec.genero <- data.frame(fdt_cat(personal$generos))
names(tabla_frec.genero) <- c('generos', 'freq', 'freq.r', 'freq.p', 'freq.acum', 'frec.por.acum')
tabla_frec.genero
## generos freq freq.r freq.p freq.acum frec.por.acum
## 1 Femenino 54 0.54 54 54 54
## 2 Masculino 46 0.46 46 100 100
11. Visualizar tabla de frecuencias de generos (Barra)
barplot(height = tabla_frec.genero$freq,
names.arg = tabla_frec.genero$generos,
main = "Frecuencias de Géneros",
xlab = "Géneros", ylab = "Frecuencias")
pie(x = tabla_frec.genero$freq,
labels = tabla_frec.genero$generos,
col = c(155,100))
12. Crear tabla de frecuencias con fdt_cat() de a variable deportes
tabla_frec.deporte <- data.frame(fdt_cat(personal$deportes))
names(tabla_frec.deporte) <- c('deportes', 'freq', 'freq.r', 'freq.p', 'freq.acum', 'frec.por.acum')
tabla_frec.deporte
## deportes freq freq.r freq.p freq.acum frec.por.acum
## 1 NATACION 14 0.14 14 14 14
## 2 AJEDREZ 12 0.12 12 26 26
## 3 ATLETISMO 11 0.11 11 37 37
## 4 BASQUETBOL 11 0.11 11 48 48
## 5 RUGBY 11 0.11 11 59 59
## 6 BEISBOL 10 0.10 10 69 69
## 7 FUTBOL 9 0.09 9 78 78
## 8 KARATE 8 0.08 8 86 86
## 9 TENIS 8 0.08 8 94 94
## 10 FUTBOL AMERICANO 6 0.06 6 100 100
13. Visualizar tabla de frecuencias de deportes (Barra)
barplot(height = tabla_frec.deporte$freq,
names.arg = tabla_frec.deporte$deportes,
main = "Frecuencias de deportes",
xlab = "Deportes", ylab = "Frecuencias")
14. Describir el caso. Por medio de 80 a 100 palabras describir el CASO 2
Primeramente el caso nos brinda una capacidad visual y sencilla de ver un poco la estadistica reflejada. Podemos darnos cuenta que por ejemplo en nuestros datos la edad con mayor frecuencia es 52 y también que el nombre más frecuentado es Patricia, este tipo de datos nos puede ayudar a dar una resolución a nuestra busqueda.